如何在python中的S3中从pandas数据帧写入镶木地板文件

Question

我有一个熊猫数据框。我想将此数据帧写入S3中的镶木地板文件中。我需要相同的示例代码。我尝试用Google搜索它。但我无法获得有效的示例代码。

Answer 1

下面的函数在缓冲区中获取拼花输出，然后将 buffer.values() 写入 S3，无需在本地保存拼花

此外，由于您正在创建 s3 客户端，因此您可以使用 aws s3 密钥创建凭据，这些密钥可以存储在本地、气流连接或 aws 机密管理器中

def dataframe_to_s3(s3_client, input_datafame, bucket_name, filepath, format):

        if format == 'parquet':
            out_buffer = BytesIO()
            input_datafame.to_parquet(out_buffer, index=False)

        elif format == 'csv':
            out_buffer = StringIO()
            input_datafame.to_parquet(out_buffer, index=False)

        s3_client.put_object(Bucket=bucket_name, Key=filepath, Body=out_buffer.getvalue())

S3_client 只不过是一个 boto3 客户端对象。希望这会有所帮助！

礼貌- /sf/answers/2843094131/

Answer 2

对于 python 3.6+，AWS 有一个名为aws-data-wrangler的库，可以帮助 Pandas/S3/Parquet 之间的集成

安装做；

pip install awswrangler

如果您想将您的 Pandas 数据帧作为镶木地板文件写入 S3，请执行；

import awswrangler as wr
wr.s3.to_parquet(
    dataframe=df,
    path="s3://my-bucket/key/my-file.parquet"
)

Answer 3

供您参考，我具有以下代码。

s3_url = 's3://bucket/folder/bucket.parquet.gzip'
df.to_parquet(s3_url, compression='gzip')

为了使用to_parquet，您需要pyarrow或fastparquet将被安装。另外，请确保您在config和credentials文件.aws夹中的文件中具有正确的信息。

编辑：另外，s3fs是必需的。参见/sf/answers/3780485971/

Answer 4

我们可以将pyarrow和boto3结合在一起。

快速示例代码：

def main():
    data = {0: {"data1": "value1"}}
    df = pd.DataFrame.from_dict(data, orient='index')
    write_pandas_parquet_to_s3(
        df, "bucket", "folder/test/file.parquet", ".tmp/file.parquet")


def write_pandas_parquet_to_s3(df, bucketName, keyName, fileName):
    # dummy dataframe
    table = pa.Table.from_pandas(df)
    pq.write_table(table, fileName)

    # upload to s3
    s3 = boto3.client("s3")
    BucketName = bucketName
    with open(fileName) as f:
       object_data = f.read()
       s3.put_object(Body=object_data, Bucket=BucketName, Key=keyName)